活動(dòng)輪廓模型算法研究及其生物醫(yī)學(xué)圖像應(yīng)用.pdf

1、圖像分割作為數(shù)字圖像處理算法的一個(gè)最基本的預(yù)處理步驟，其精確度直接決定著后續(xù)圖像處理應(yīng)用（例如識(shí)別和配準(zhǔn)）的成功與否。但至今為止，圖像分割算法尤其是針對(duì)醫(yī)學(xué)圖像的分割算法并不完善。由于醫(yī)學(xué)圖像本身固有特性的影響，利用傳統(tǒng)的分割算法對(duì)醫(yī)學(xué)圖像進(jìn)行準(zhǔn)確快速的分割還面臨著巨大的困難?；顒?dòng)輪廓模型是偏微分方法在圖像處理領(lǐng)域的一個(gè)成功的應(yīng)用，因其分割結(jié)果為閉合的曲線，該類算法在醫(yī)學(xué)圖像分割方面得到了廣泛的應(yīng)用，取得了巨大的成功。
　　 針

2、對(duì)基于偏微分方程和活動(dòng)輪廓模型的醫(yī)學(xué)圖像分割算法，本文主要研究了以下幾個(gè)方面:
　　 1.針對(duì)傳統(tǒng)的基于水平集函數(shù)的活動(dòng)輪廓模型易陷入局部極小值的問題，我們提出了一種能夠獲得全局最小值的活動(dòng)輪廓模型。通過在其能量函數(shù)中嵌入圖像偏移場(chǎng)的估計(jì)，該模型能夠準(zhǔn)確的分割灰度分布不均勻的圖像，如MRI和CT等。在本章中，針對(duì)圖像的偏移場(chǎng)估計(jì)，我們提出了一種新的基于高斯函數(shù)平滑的偏移場(chǎng)估計(jì)算法。同時(shí)，利用圖像的位于活動(dòng)曲線附近的局部區(qū)域信息來

3、計(jì)算圖像的分片常數(shù)，取代了傳統(tǒng)模型利用圖像全局信息計(jì)算的分片常數(shù)的模式。最后，利用總變分范數(shù)的Dualformulation數(shù)值算法，本文的模型可以快速的得到全局最小值。實(shí)驗(yàn)結(jié)果表明，本文的算法在醫(yī)學(xué)圖像和自然圖像上都取得了較好的分割效果。
　　 2.基于水平集函數(shù)的耦合曲線活動(dòng)輪廓模型的主要缺點(diǎn)是運(yùn)算速度慢，對(duì)噪聲和曲線初始化位置十分敏感。為了克服如上所述的傳統(tǒng)活動(dòng)輪廓模型的缺點(diǎn)，本文提出了一種基于圖割理論的耦合曲線活動(dòng)輪廓模

4、型，該模型的能量函數(shù)可以通過對(duì)傳統(tǒng)耦合曲線活動(dòng)輪廓模型的能量函數(shù)進(jìn)行線性變換，并且利用兩個(gè)歸一化參數(shù)來對(duì)線性變換后的能量函數(shù)進(jìn)行非線性加權(quán)。該歸一化能量函數(shù)可以克服基于圖割理論的耦合曲線活動(dòng)輪廓模型分割結(jié)果容易趨向于區(qū)域平均的缺點(diǎn)。同時(shí)，我們使用圖割算法來取代水平集算法，可以快速穩(wěn)定的求得歸一化耦合曲線活動(dòng)模型的能量函數(shù)的最小值。實(shí)驗(yàn)結(jié)果表明，本文的算法比水平集算法提高了超過10倍的運(yùn)算速度，在醫(yī)學(xué)圖像和自然圖像上都取得較好的效果。

5、r>　　 3.活動(dòng)輪廓模型是迄今為止最為成功的變分圖像處理方法之一，在圖像分割，模式分析和計(jì)算機(jī)視覺方面有著廣泛的應(yīng)用。但是傳統(tǒng)的活動(dòng)輪廓模型不僅耗時(shí)嚴(yán)重，而且對(duì)噪聲十分的敏感。針對(duì)以上缺點(diǎn)，我們提出了一種結(jié)合輪廓波變換的新的活動(dòng)輪廓模型方法。該方法首先對(duì)待分割圖像進(jìn)行輪廓波變換并處理其系數(shù)，然后對(duì)重建后的第二精細(xì)層圖像進(jìn)行兩次下采樣變換。最后我們?cè)谧畲植趯訄D像進(jìn)行活動(dòng)輪廓模型的初始化，并且將上一層圖像的分割結(jié)果最為下一層圖像的初始化